崗位職責(zé)

1.負(fù)責(zé)AI模型的開發(fā)、訓(xùn)練、優(yōu)化和部署。

2.參與數(shù)據(jù)收集、清洗、預(yù)處理和特征工程。

3.設(shè)計和實現(xiàn)機器學(xué)習(xí)/深度學(xué)習(xí)算法，解決業(yè)務(wù)問題。

4.與產(chǎn)品經(jīng)理、工程師團隊協(xié)作，完成AI產(chǎn)品的開發(fā)和落地。

5.編寫技術(shù)文檔，分享技術(shù)經(jīng)驗。

技術(shù)要求

l 1.編程語言

熟練掌握Python（必備）。

熟悉C++、Java、Go等語言者優(yōu)先。

l 2.機器學(xué)習(xí)/深度學(xué)習(xí)框架

熟悉主流框架，如TensorFlow、PyTorch、Keras、Scikit-learn。

了解分布式訓(xùn)練框架（如Horovod、Ray）者優(yōu)先。

l 3.算法與模型

熟悉常見的機器學(xué)習(xí)算法（如線性回歸、決策樹、SVM、XGBoost）。

熟悉深度學(xué)習(xí)模型（如CNN、RNN、Transformer、GAN）。

了解強化學(xué)習(xí)、遷移學(xué)習(xí)、聯(lián)邦學(xué)習(xí)者優(yōu)先。

l 4.數(shù)據(jù)處理與分析

熟練使用Pandas、NumPy、Matplotlib等數(shù)據(jù)處理和可視化工具。

熟悉SQL，能夠高效處理大規(guī)模數(shù)據(jù)。

了解大數(shù)據(jù)工具（如Hadoop、Spark）者優(yōu)先。

l 5.模型部署與優(yōu)化

熟悉模型部署工具（如TensorFlow Serving、ONNX、Docker）。

了解模型壓縮技術(shù)（如剪枝、量化、蒸餾）。

l 6.領(lǐng)域知識

計算機視覺（CV）：圖像分類、目標(biāo)檢測、語義分割等。

自然語言處理（NLP）：文本分類、機器翻譯、情感分析等。

語音處理：語音識別、語音合成等。

推薦系統(tǒng)：協(xié)同過濾、深度學(xué)習(xí)推薦模型等。

項目經(jīng)驗

1.有實際的AI項目開發(fā)經(jīng)驗，能夠獨立完成從數(shù)據(jù)到模型的完整流程。

2.有大規(guī)模數(shù)據(jù)集處理和高性能計算經(jīng)驗者優(yōu)先。

3.有AI產(chǎn)品落地經(jīng)驗者優(yōu)先。